項目實施背景及可行性分析：

智能視頻監(jiān)控是計算機視覺的一個重要應(yīng)用領(lǐng)域，有著廣闊的應(yīng)用前景，尤其是那些對安全要求比較敏感的場合，如飛機場、地鐵站、銀行、超市等。

因為在視頻監(jiān)控場景中出現(xiàn)的行人是事件發(fā)生的主體，所以行人是智能視頻監(jiān)控系統(tǒng)研究的主要對象，系統(tǒng)對這些行人目標進行實時檢測、跟蹤與識別，進而分析他們的運動或行為。而我們的研究課題——行人檢測就屬于智能監(jiān)控系統(tǒng)中的目標分類功能部分，它的作用是將視頻中的行人與其他物體區(qū)分開來，并準確定位。檢測性能的好壞將直接影響后續(xù)工作以致整個智能監(jiān)控系統(tǒng)的性能。因而這將是一個有著現(xiàn)實應(yīng)用意義的課題項目

在視頻圖像中進行行人檢測可轉(zhuǎn)化為一個目標分類問題，設(shè)計行人檢測系統(tǒng)的前提就是分類器的訓(xùn)練。訓(xùn)練分類器的主要步驟包括目標特征提取和機器學(xué)習(xí)算法的選擇。利用特征對目標進行建模比直接使用圖像的像素值在計算上更加方便快捷，另外特征提取有利于減小同類目標對象的類內(nèi)距離，同時增大不同類對象之間的類間距離，使最終的分類結(jié)果更加準確。目前矩形特征經(jīng)常被同來表述行人形狀的邊緣信息，此類特征在樣本圖像中的大小和位置都是可變的，在逐像素遍歷的情況下特征總數(shù)目還是非常龐大，因此需要一個特征選擇算法來選擇對分類最有的特征，而級聯(lián)Adaboost算法正具有此功能。級聯(lián)Adaboost算法成熟、快速，具有很強的實用性。綜上所述，成熟的行人檢測算法為本研究項目奠定了堅實的理論基礎(chǔ)。

項目實施方案：

1 項目基本框圖及描述：

從實用角度出發(fā)，本文涉及的行人檢測系統(tǒng)，共有三個功能模塊，系統(tǒng)框圖如圖一所示。第一部分的作用是通過背景建模進行前景目標的提取；第二部分完成對行人目標的多尺度檢測功能，其中的行人分類器是由級聯(lián)Adaboost算法使用矩形特征訓(xùn)練出來的；第三部分的作用是將同一目標產(chǎn)生的多個檢測結(jié)果進行合并，完成最終的檢測定位功能。

圖一：行人檢測系統(tǒng)框圖